如何将LPCWSTR转换为wchar_t*并保持编码页一致？

问题场景 #

要把LPCWSTR类型的数据转成wchar_t*，试过几种方法都能转，但获取编码页时数值不对。代码和现象如下：

std::string ChineseCharacter(LPCWSTR Data) // Data的值是L"丂"
{
    CString sHexValue = "";
    std::wstring sData(Data);

    wchar_t* str1 = (wchar_t*)Data;
    //wchar_t* str2 = (wchar_t*)_wcsdup(sData.c_str());

    wchar_t* str3 = (wchar_t*)(L"丂"); // 对应GB18030编码0x81 0x40，符合需求

    for (int i = 0; i < 4; i++)
    {
        sHexValue2.Format("%02x", str1[i]);// 输出4E02，不符合需求
        //sHexValue2.Format("%02x", str2[i]);// 输出4E02，不符合需求
        sHexValue2.Format("%02x", str3[i]);// 第一次循环输出81，第二次输出40，符合需求
    }
}

监视窗口显示：

str1= L"丂"
str3= L"@"

核心疑问：怎么把Data的值转成wchar_t*，让它和硬编码的L"丂"效果完全一致？

问题本质 #

你混淆了UTF-16宽字符和GB18030多字节编码的存储逻辑：

• str1直接转的是系统默认的UTF-16宽字符，"丂"的UTF-16编码是0x4E02，所以循环取到的是这个宽字符的字节值
• 硬编码的L"丂"在你的编译环境里，被编译器按GB18030编码解析了——"丂"的GB18030编码是两个字节0x81和0x40，编译器把这两个字节分别塞到两个wchar_t变量的低8位里，所以str3的实际内容是0x0081和0x0040，对应显示成@（因为0x40是ASCII的@）

解决方案 #

要实现需求，得把UTF-16的LPCWSTR先转换成GB18030编码的多字节字符串，再把多字节的每个字节赋值给wchar_t数组的元素，代码示例如下：

std::string ChineseCharacter(LPCWSTR Data)
{
    CString sHexValue;
    // 1. 把UTF-16的LPCWSTR转成GB18030多字节字符串
    int gb18030Len = WideCharToMultiByte(CP_GB18030, 0, Data, -1, nullptr, 0, nullptr, nullptr);
    char* gb18030Buf = new char[gb18030Len];
    WideCharToMultiByte(CP_GB18030, 0, Data, -1, gb18030Buf, gb18030Len, nullptr, nullptr);

    // 2. 把GB18030的每个字节转成wchar_t元素
    wchar_t* targetStr = new wchar_t[gb18030Len]; // 包含终止符
    for (int i = 0; i < gb18030Len; i++)
    {
        targetStr[i] = static_cast<wchar_t>(static_cast<unsigned char>(gb18030Buf[i]));
        sHexValue.Format("%02x", targetStr[i]);
        // 这里可以根据需要处理sHexValue的拼接逻辑
    }

    // 3. 记得释放内存
    delete[] gb18030Buf;
    // 使用完targetStr后也要delete[] targetStr;

    return sHexValue.GetString();
}

关键说明 #

• WideCharToMultiByte(CP_GB18030, ...)是核心函数，负责把UTF-16宽字符转成GB18030多字节编码
• 转换时要注意内存分配和释放，避免内存泄漏
• 如果你用的是MFC/ATL，也可以用CStringA的转换简化操作：CStringA gb18030Str(Data, CP_GB18030);，再遍历gb18030Str的每个字节转成wchar_t

补充背景 #

GB18030是中国国家标准字符集编码，兼容所有Unicode字符，其中汉字"丂"的GB18030编码为两个字节：0x81 0x40，这就是你要的目标数值。

内容的提问来源于stack exchange，提问作者Ferrus